Kurzfassung

Forschende des MIT haben mit GIFT (Geometric Inference Feedback Tuning) ein Trainingsverfahren entwickelt, das Vision-Language-Modelle darin schult, aus zweidimensionalen Entwürfen präzisere und funktionalere CAD-Programme für 3D-Objekte zu erzeugen.

  • Forschende des MIT haben mit GIFT (Geometric Inference Feedback Tuning) ein Trainingsverfahren entwickelt, das Vision-Language-Modelle darin schult, aus zweidimensionalen Entwürfen präzisere und funktionalere CAD-Programme für 3D-Objekte zu erzeugen.
  • GIFT erzeugt dazu gezielt neue Trainingsdaten aus den eigenen Fehlversuchen des Modells: Fehlgeschlagene Umsetzungen werden korrigiert und zusammen mit erfolgreichen Lösungen in den Trainingsdatensatz aufgenommen.
  • Im Vergleich zu bisherigen Verfahren erzeugten mit GIFT trainierte Modelle CAD-Programme, die deutlich besser mit den tatsächlichen Formen der Zielobjekte übereinstimmten – bei nur rund einem Fünftel der bisher nötigen Rechenleistung.

Was ist passiert?

Forschende des MIT haben ein Trainingsverfahren namens GIFT (Geometric Inference Feedback Tuning) entwickelt, das Vision-Language-Modelle darin schult, aus zweidimensionalen Entwürfen deutlich genauere CAD-Programme zu erzeugen – jene Computerprogramme, mit denen sich 3D-Objekte konstruieren, simulieren und für die Fertigung oder den 3D-Druck vorbereiten lassen. Das Besondere an GIFT ist die Art, wie neue Trainingsdaten entstehen: Das System lässt das Modell zunächst selbst versuchen, ein 2D-Bild in ein CAD-Programm umzusetzen, korrigiert anschliessend die dabei auftretenden Fehlversuche und nimmt sowohl die korrigierten als auch die erfolgreichen Lösungen in den Trainingsdatensatz auf.

In Tests erzeugten die mit GIFT trainierten Modelle CAD-Programme, die deutlich besser mit den tatsächlichen Formen der Zielobjekte übereinstimmten als bei mehreren konkurrierenden Verfahren – und dies bei nur rund einem Fünftel der zuvor benötigten Rechenleistung. Die Forschenden wollen GIFT künftig so erweitern, dass sich damit auch CAD-Programme erzeugen lassen, die Leistung und Herstellbarkeit der entworfenen 3D-Objekte direkt mitberücksichtigen.

Warum ist das wichtig?

CAD-Programme automatisiert und zuverlässig aus einfachen 2D-Skizzen zu erzeugen, gilt als eine der schwierigsten Aufgaben für KI-Modelle, weil dabei exakte geometrische Zusammenhänge korrekt erfasst und in präzisen, ausführbaren Code übersetzt werden müssen – kleine Fehler führen schnell zu unbrauchbaren oder nicht fertigbaren Objekten. GIFT adressiert dieses Problem nicht durch grössere Modelle oder mehr Rechenleistung, sondern durch gezielt aus den eigenen Fehlern des Modells gewonnene Trainingsdaten – ein Ansatz, der die Genauigkeit spürbar verbessert, ohne die Kosten in die Höhe zu treiben.

Die Methode könnte damit den Aufwand für Rapid Prototyping in Industrie und Produktentwicklung erheblich senken: Statt manuell CAD-Modelle zu erstellen oder aufwendig zu korrigieren, liessen sich aus einfachen Skizzen direkt funktionsfähige, simulierbare 3D-Programme ableiten. Da der Trainingsansatz von GIFT nicht auf CAD beschränkt ist, sehen die Forschenden zudem Potenzial, das Verfahren auf andere technische Aufgaben mit ähnlich strengen geometrischen oder strukturellen Anforderungen zu übertragen.

Was bedeutet das für die Schweiz?

Für die Schweizer Präzisionsindustrie – von Uhrenherstellern über die Medizintechnik bis zum Werkzeug- und Maschinenbau – könnte eine günstigere und genauere automatische CAD-Generierung den Weg vom ersten Konzept zum funktionsfähigen Prototyp erheblich verkürzen. Gerade in Branchen, in denen enge Toleranzen und komplexe Geometrien über die Fertigbarkeit entscheiden, sind Genauigkeitsgewinne bei der automatisierten Konstruktion unmittelbar wirtschaftlich relevant.

Die drastisch tiefere benötigte Rechenleistung senkt zudem die Eintrittshürde für kleinere Schweizer Ingenieur- und Designbüros, die sich den Einsatz aufwendiger KI-gestützter CAD-Werkzeuge bislang aus Kostengründen kaum leisten konnten. Für Forschungsstandorte wie ETH Zürich und EPFL, die in der Robotik- und Fertigungsforschung eng mit internationalen Partnern zusammenarbeiten, liefert GIFT zudem eine konkrete methodische Vorlage: Trainingsdaten gezielt aus den eigenen Fehlversuchen eines Modells zu gewinnen, liesse sich auch auf andere technische Schweizer Forschungsfelder übertragen.

Häufige Fragen

Was ist die Kernaussage zu MIT-Methode «GIFT» lässt KI-Modelle aus 2D-Skizzen präzisere 3D-CAD-Programme erzeugen?

Forschende des MIT haben mit GIFT (Geometric Inference Feedback Tuning) ein Trainingsverfahren entwickelt, das Vision-Language-Modelle darin schult, aus zweidimensionalen Entwürfen präzisere und funktionalere CAD-Programme für 3D-Objekte zu erzeugen.

Warum ist diese KI-Meldung für die Schweiz relevant?

Für die Schweizer Präzisionsindustrie – von Uhrenherstellern über die Medizintechnik bis zum Werkzeug- und Maschinenbau – könnte eine günstigere, genauere automatische CAD-Generierung den Weg vom Konzept zum funktionsfähigen Prototyp erheblich verkürzen.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

MIT News beschreibt die Methode am 16. Juli 2026; TechXplore und die Fachpublikation der MIT-Abteilung für Maschinenbau ordnen die Resultate zusätzlich ein.